A few weeks ago, I posted some information about the dangers linked to the mistaken interpretation of ocular data.  

While data capture is greatly facilitated thanks to companies like Tobii (I would like to take this opportunity to thank the whole Tobii team for its in-depth work on hardware eyetracking), the analysis of data requires thorough knowledge of the perceptive-cognitive system.

Unfortunately, nowadays to make eyetracking popular, the software on offer is too simplistic to draw reliable conclusions.  

What is the conclusion from all the eyetracking surveys? Individual pathways and/or heatmaps.

What analysis can be made on the basis of these data? 

1. Displaying each user’s pathways. Yes, but how do we draw an overall conclusion from this about the qualities of an interface?
    
2. Displaying all eye fixations.  Yes, but what about the order of discovering interface zones, the timing of this discovery, etc.   

To us, as experts in behavioural sciences, these data are very important as is fixation quality: has the user read the contents or did he simply pass through there before having time to read? Has he had difficulty understanding the contents, has he hesitated between two browsing components, etc.  

Confronted with these unanswered questions, Netway has created its own eye data analysis software on the basis of our own algorithms: EAGLE

Today I present to you two of the tools in our Eagle software. They have been used to analyse Cuil and Google.

Emergence of attention focus 

A heatmap will show all fixations but will give neither the order of discovery nor the proportion of users who looked at a zone at the same time.  

Our tool makes it possible to analyse the order of discovery of interface zones.

These data are highly valuable to display the distribution of eye fixations of all testers during an interface visit.

• Users leave zone 1 on the Google interface, which is deemed to have attracted most attention, within the first three seconds, reaching approx. 30% of visits after only 3.5 seconds of visits.  
   
• after 6 seconds, zone 3 attains 50% of ocular visits, rising to 90% after 9 seconds, while zone 1 attains 50% of ocular visits after only 10 seconds of visiting the page.  
   
• after 15 seconds, zones 1 and 2 share 50% of ocular visits.
   
• from the 20th second, 90% of ocular visits are in zone 2.
   
• Only after 4.5 seconds and up to 8 seconds is advertising used as a way to solve the scenario only by 25%. Overall, advertising never exceeds 25% of ocular visits.

Continue analysing the rest by yourself;)

• zone 1 is visited right from the first seconds 
   
• from 2.5 to 30 seconds, all 6 contents zones are visited in the same way. From time to time, a particular block slightly stands out from the rest but that is not representative.

CONCLUSIONS 

During the first 10 seconds, Google generates a “standard” behaviour but with avoidance of advertising zones or related links whereas Cuil manages to avoid this type of avoidance behaviour, distributing fixations throughout the contents zones but without a “standard” pathway.  

Fixation quality

A heatmap will show the relative presence of ocular fixations.  The fact is that there are many different types of fixations, depending their length.

For instance, fixation should last between 200 and 350 ms to be able to read.  Imagine a zone in which there are many fixations but where no one has read the contents: the heatmap will highlight a major heat zone and yet no one will have read the contents!

Our fixation quality analysis tool makes it possible to highlight the type of ocular fixations and the quality of information uptake within these zones.

• 33% of all ocular fixations recorded on Google are contents-reading fixations.
   

• 40% of all ocular fixations recorded on Cuil are contents-reading fixations 

CONCLUSIONS

Information uptake quality on Cuil is better than on Google.

We also record data on pupil diameter, major visual attention zones, etc. 

These are only two types of data among more than 50 types which one never sees and which nevertheless make it possible to make fine distinctions between simplistic results recorded in eyetracking.

Imagine the potential of these data when an expert in behavioural sciences analyses interfaces.   

Have a nice week.

Il y a quelques semaines j’ai publié un post sur les dangers liés à l’interprétation erronée de données oculaires.

En effet, si la capture des données est grandement facilitée grâce à des sociétés comme Tobii (je profite de l’occasion pour remercier toute l’équipe Tobii pour son travail de fond sur le hardware eyetracking), l’analyse des données, elle, demande des connaissances approfondies du système perceptivo-cognitif.

Malheureusement aujourd’hui pour rendre l’eyetracking populaire, les softwares développés sont trop simplistes que pour tirer des conclusions fiables.

Regarde toutes les enquêtes eyetracking, qu’apportent-t-elles comme résultats ? Des parcours individuels et/ou des heatmap.

Mais que permettent d’analyser vraiment ces données? 

1. visualiser les parcours réalisés par chaque utilisateur: oui, mais comment en déduire une conclusion d’ensemble sur les qualités d’une interface ?
    
2. visualiser l’ensemble des fixations oculaires : oui, mais quid de l’ordre de découverte des zones de l’interface, de la notion temporelle de découverte de ces zones… ?

En tant qu’experts en sciences comportementales, ces données sont très importantes tout comme la qualité des fixations : est-ce que l’utilisateur a lu le contenu ou est simplement passé par là sans avoir pris le temps de lire ? A-t-il eu des difficultés à comprendre le contenu, a-t-il hésité entre deux éléments de navigation… ?

Face à ces questions sans réponse, Netway a créé EAGLE, son propre logiciel d’analyse des données oculaires sur base de nos propres algorithmes.

Je te présente aujourd’hui deux outils parmi tous les outils de notre software Eagle. Ils ont été utilisés pour analyser Cuil et Google.

Emergence du focus attentionnel :

Une heatmap va montrer l’ensemble des fixations mais ne donnera ni l’ordre de découverte, ni la proportion des utilisateurs ayant regardé une zone en même temps.

Notre outil permet une analyse de l’ordre de découverte des zones d’une interface. Ces données sont précieuses pour visualiser la répartition des fixations de tous les testeurs durant le temps de visite d’une interface.

• la zone 1 sur l’interface Google, qui est censée attirer le plus l’attention, est délaissée par les utilisateurs dans les 3 premières secondes pour atteindre +/- 30 % des visites après seulement 3,5 secondes de visite.
   
• après 6 secondes, la zone 3 remporte 50 % des visites oculaires pour atteindre 90 % des visites oculaires après 9 secondes, la zone 1 remportant 50 % des visites oculaires seulement après 10 secondes de visite de la page.
   
• après 15 secondes, les zones 1 et 2 vont se partager les visites oculaires à 50 % chacune.
   
• à partir de la 20e seconde, 90 % des visites oculaires vont se porter sur la zone 2.
   
• la pub n’est utilisée comme moyen de résoudre le scénario qu’à 25 % qu’à partir de 4,5 secondes et jusqu’à 8 secondes. Globalement elle ne dépasse jamais les 25 % de visite oculaire.

Continue toi-même à analyser le reste

• la zone 1 est visitée dès les premières secondes
   
• de 2,5 à 30 secondes toutes les 6 zones de contenus sont visitées de manière homogène. De temps en temps, un bloc ressort légèrement du lot mais cela n’est pas représentatif.

CONCLUSIONS

Pendant les 10 premières secondes, Google génère un comportement “standardisé” mais avec des évitements des zones de publicités ou liens apparentés, là où Cuil arrive à éviter ce genre de comportement d’évitement pour répartir les fixations sur la totalité des zones de contenu mais sans parcours “standard”.

Qualité des fixations :

Une heatmap va montrer la présence plus ou moins importante de fixations oculaires. Or, il existe de nombreuses fixations différentes dépendant de la durée de la fixation.

Par exemple, pour avoir le temps de lire, la fixation doit avoir entre 200 et 350 ms. Imaginez une zone où vous ayez beaucoup de fixations mais où personne n’a lu le contenu, la heatmap vous montrera une zone de chaleur importante et pourtant personne n’aura lu !

Notre outil d’analyse de la qualité des fixations permet de mettre en avant le type de fixations oculaires et la qualité de prise de prise d’information au sein des zones.

• Sur la totalité des fixations oculaires enregistrées sur Google, 33 % des fixations oculaires sont des fixations de lecture du contenu.

• Sur l’entièreté des fixations oculaires enregistrées sur Cuil, 40 % des fixations oculaires sont des fixations de lecture du contenu.

CONCLUSIONS

La qualité de prise d’information est meilleure sur Cuil que sur Google.

Nous avons aussi des données sur le diamètre pupillaire, les zones à attention visuelle importante…

Voilà juste 2 types de données parmi plus de cinquante que l’on ne voit jamais et qui, pourtant, permettent de nuancer grandement les résultats simplistes véhiculés autour du eyetracking.

Imagine la puissance de ces données lorsqu’un expert en sciences comportementales analyse des interfaces.

Passe une excellente semaine.